MétaCan
Menu
Retour à la cohorte
Enregistrement W4414601520 · doi:10.1186/s12982-025-00985-w

Health system resilience in Nigeria after Ebola and COVID-19: impacts, improvements, and strategic directions

2025· article· en· W4414601520 sur OpenAlexaff
Tolulope Joseph Ogunniyi, Boluwatife Samuel Fatokun, Oluwaloseyi Ayomipo Olorunfemi, Mohammed Sanusi, Victor Mayowa Afolabi, Babatunde Felix Olaniyan, Oyinloye Emmanuel Abiodun, Roseline Dzekem Dine

Notice bibliographique

RevueDiscover Public Health · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesnon disponible
Mots-clésOutbreakEbola virusHealth careResilience (materials science)Public healthPandemicHealthcare systemService delivery framework

Résumé

récupéré en direct d'OpenAlex

Nigeria's healthcare system was severely challenged by the 2014 Ebola Virus Disease (EVD) outbreak and the 2020 COVID-19 pandemic. These events exposed systemic weaknesses in infrastructure, emergency preparedness, and health service delivery, while also prompting improvements in diagnostics, surveillance, and public health coordination. This paper analyzes the impacts of the COVID-19 and EVD outbreaks on Nigeria’s health system, as well as the advancements achieved during and after the crises. This review utilizes publicly available articles from sources such as Google Scholar, PubMed, and other grey literature from NCDC and WHO, among others. The search was focused on the Nigerian healthcare system, Ebola and COVID-19 outbreaks. The Ebola and COVID-19 outbreaks led to major disruptions in Nigeria’s healthcare system, including declines in antenatal care, immunization coverage, tuberculosis and HIV services, and in-facility deliveries. During the Ebola outbreak, emergency operations centers and digital surveillance systems like SORMAS were implemented to strengthen outbreak response. The COVID-19 pandemic prompted the adoption of telemedicine, expanded molecular diagnostic capacity, and large-scale investments in health infrastructure, enhancing service delivery beyond pandemic-specific needs. Both outbreaks disrupted essential healthcare services but also spurred critical investments and innovations. Strengthening health system resilience requires sustained funding, institutional reforms, and the integration of emergency gains into routine healthcare. The paper recommends that the healthcare system capacity and surveillance system should be strengthened, and there should be full adoption of telemedicine.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0040,004
Science ouverte0,0000,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,049
Tête enseignante GPT0,418
Écart entre enseignants0,369 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiscover Public HealthMême sujetDisaster Response and ManagementTravaux en français237 207